【正文】 離散型數(shù)據(jù)分析 – U（ Unit）：元件 ?元件測定可能機會的細節(jié) ?例：要求樣式 – DPU（ Defect Per Unit）： ?每個元件內(nèi)存在的缺陷數(shù) – DPO（ Defect Per Opportunity）：每個機會損失數(shù) ?每個 Unit中存在機會數(shù)和關聯(lián)的元件內(nèi)存在的缺陷數(shù) 97 離散型數(shù)據(jù)分析 – DPMO（ Defect Per Million opportunity）（每百萬機會損失數(shù)） ?1,000,000單元存在的損失數(shù) ?DPO 1,000,000 轉(zhuǎn)換 Six Sigma比率 – P（ ND） =None Defect：無損失 ?機會不能成為損失的可能性 ?P（ ND） =1DPO 98 離散型數(shù)據(jù)分析 ? DPU/DPO/DPMO/P(ND)改善 – 發(fā)出了 100張送貨單，其中檢出 100個不符合項，如果各單元有 10個項目， DPU/DPO/DPMO/P(ND)各是多少？ ?DPU=D/U – DPU=100/100=（ 100%）該值表示平均值，所以每張送貨單包含 1個符合項 99 離散型數(shù)據(jù)分析 ?DPO=D/(U Opp) – DPO=100/(100 10)=(10%)該值表示所發(fā)出的送貨單的每個最小有 1個不良的可能性是 10%。（因素測定的變化量小，以具備正確找出誘發(fā)“ Y”變化的“ X”因素） 77 變化的理解 ? 為什麼要 Rational Subgrouping – Rational Subgroup是 6 Sigma的一個強大的工具。 67 Gage RR 偏差大 偏差小 參考值 測定值 參考值 測定值 68 Gage RR ? 對測定系統(tǒng)變化的理解 – 穩(wěn)定性（ Stability）：在一定的時間間隔下把標準品用同一的計測器測定同一的特性值時得出的變化。可以分為 4組對特定部品測定，信賴性區(qū)間小說明測定者和測定有反復，且測定很準確。 ?Short Term Process Capability Index：短期工序能力指數(shù) ?Zlt（ σ lt）， Cpk ?Zlt=3 Cpk 44 工序能力 – 長期工序能力是包括群內(nèi)變化和群體間變化，為了改善技術和工序管理，必須判斷工序是否穩(wěn)定時，用長期工序能力的特性來取樣，來確認包括管理因素引起的變化和技術的要素引起的變化。 通過 QFD把顧客要求事項系統(tǒng)化，最終選定暫定的CTQ，開展改善活動 29 聚焦問題點階段 – FMEA（ Failure Modes Effects Analysis)故障模式及效果分析 ?FMEA是明確制品設計上可能發(fā)生的問題和排定其順序，并針對故障模式制定所采取的恰當活動 – FMEA Process ?對已設計的制品用 Brainstorming法列出可能的故障模式。2σ 45,500 308,700 177。 ?如果規(guī)格上限（ or下限）用‘ X’來代替時超出規(guī)格上限的尾部面積可以認為有缺陷可能性。 – Sigma是統(tǒng)計學記述接近平均值的標準偏差（ Standard Deviation）或變化（ Variation），或定義為事件發(fā)生的可能性。 – Sigma是表示工序能力的統(tǒng)計單位，測定的Sigma跟 DPU（單位缺陷， Defect Per Unit） ,PPM等一起出現(xiàn)。 ?‘ Z’值是用來測定工序能力，跟工序的標準偏差不同，在這里‘ Z’值是 ，把全體面積作為1的時對應的面積 。3σ 2,700 66,810 177。 ?決定每種可能故障模式的重要度和發(fā)生可能性 ?決定消除重要故璋模式而采取的方法 ?開發(fā)消除或減少重要故障模式的方法 30 聚焦問題點階段 – 部分分析法 ?以優(yōu)先順序找出問題的核心事項 ?典型的是： 80%的問題由 20%產(chǎn)生 ? 決定活動課題和相關非常勤人員 – 用邏輯樹等方法展開問題後，找出最終區(qū)域，選定經(jīng)驗豐富的工程師來執(zhí)行課題活動。 ?Long Term Process Capability Index：長期工序能力指數(shù) ?Zlt（ σ lt）， Cpk ?Zlt=3 Cpk 45 Gage RR ? Gage RR實行時注意事項 – 以 Blind測定來評價 – 決定幾名評價者為合理 – 接產(chǎn)品的重要性和統(tǒng)計特性決定試料數(shù)的反復次數(shù) – 預先決定評價周期 – 抽取樣本時運用隨機原則，但實施 Gage RR時須對試料事先計劃再行抽樣 46 Gage RR – 一般是看 %Tolerance值來判斷 Gage的接受與否，但 %Study Var在 20%以上時，有必要點檢工序 Process – Gage RR值較大時，必須制定改善計劃進行改善。如果信賴性區(qū)間重疊意味（信賴區(qū)間不重疊意味著組數(shù)小）測定的變化大。 Stability Time2 Time1 69 Gage RR – 偏移（ Bias）：實際測定值跟試料平均值的差異值叫準確度（ Accuracy） Bias Reference Value Observed Average Value 70 Gage RR – 反復性（ Repeatability）： 1名測定者使用同樣計測器測定同樣部品的同樣特性時得到的變化 Repeatability 71 Gage RR – 再現(xiàn)性（ Reproduceability)：同樣部品的同樣特性使用同樣計測器由多名測定者測定時得到的變化。 – 是區(qū)分工程的短期工程能力或長期工程能力的重要方法 ?可以把握平均值移動問題還是散布問題 ?把問題特殊化的第一個階段 78 變化的理解 – Rational Subgroup要包含的要素：為了明確給工序變化暫定影響的‘ X’因素，使用5M求解特性要因圖 ?Man：作業(yè)者變更，晝夜班次交換，新作業(yè)者等 ?Machine：機械設定值變更，設備維修 維護等 ?Material：交付 LOT，作業(yè)安排，原材料等 ?Method：作業(yè)者間的作業(yè)方法差異等 ?Measurement：測定者的變化，測定設備誤差等 79 變化的理解 ? Rational Subgrouping事例 – 改善供應 TV Back Cover協(xié)力社的品質(zhì)，為了分析部品變化的原因制定 Rational Subgrouping計劃 ?預想的暫定“ X”因素及實際計劃 – 兩臺注塑機：對兩臺注塑機實施下列內(nèi)容 – 交接班：對交接班別取樣分析 – 每周作業(yè)者的變更：對每周變更的作業(yè)者別取樣分析 – 按原材料別構成 Lot，分析 Lot別有無差異 80 工序能力 ? 工序能力的數(shù)學式 – 兩側(cè)有規(guī)格的工序能力 ?6LU SSCp ??SL SU x81 工序能力 – 有偏移時的工序能力 SL SU xK M T/2xM )1(???KCpKCpk82 工序能力 – 用語解釋 ?K：偏移系數(shù)（如果 K=0， Cp=Cpk） ?M（ Midrange）：規(guī)格的中心 ?T（ Tolerane）：公差 ?SU（ Upper Spec）：規(guī)格上限 ?SL（ Lower Spec）：規(guī)格下限 83 工序能力 – 只有規(guī)格上限時的工序能力 SU x ?3xSC UPU??84 工序能力 – 只有規(guī)格下限時的工序能力 SL x ?3LPLSxC ??85 工序能力 ? 工序能力的 Minitab運用 – 葡萄酒農(nóng)場為了參加慶祝大會，在準備過程中，有必要改善葡萄酒品質(zhì)而準備 Project，首先為了把握現(xiàn)象，按合理分組計劃規(guī)劃得出了包括下列“ X”因素的葡萄酒質(zhì)量“ Y”的樣本。 ?DPMO=DPO 1,000,000 – 例：上例 DPMO是 1,000,000 DPMO ?P(ND)=1DPO==(90%) 100 離散型數(shù)據(jù)分析 ? 利用泊松公式計算收率 – 利用泊松公式 ?這里 – Y：收率 – DPU：元件缺陷數(shù) – r： – e：指數(shù)函數(shù) ?? !redpur dpur ??101 離散型數(shù)據(jù)分析 – r=0時 – ∴Y=e dpu – ∴ 對缺陷機會數(shù)越大，“ Y”越接近“ 0” !0)(1 dpueY ??102 離散型數(shù)據(jù)分析 ? Process Yield（例題） – 如果 750元件有 34個的缺陷時，計算DPU/DPO/DPMO/Yield/Sigma各是多少？（各元件有 10個的機會數(shù)） ?DPU=缺陷數(shù)247。 105 離散型數(shù)據(jù)分析 – YNA(Normalized Yield)：標準收率 ?表示計算連續(xù)工序的評價收率的值 ?應用：完成產(chǎn)品的品質(zhì)水平評價時使用。 – 顯著性水平 (Significance Level)：象一般使用的α =(,)Ho是真的拒絕的概率 134 假設檢驗（ Hypothesis Test）計量值 第二種錯誤 （ β） 第一種錯誤 （ α） 真 實 H0=真 H1=假 采 納 H0=真 H1=假 135 假設檢驗（ Hypothesis Test）計量值 ? 假設設定方法 – 以原假設 [母體和 Sample(樣本 )是一樣的 ]來假定 ?Ho： μ 1=μ 2 ?Ho： μ 1=μ 2=μ 3=?? μ n ?Ho： σ 1=σ 2 ?Ho： σ 1=σ 2= σ 3 ?? σ n 136 假設檢驗（ Hypothesis Test）計量值 – 對立假設 [母體和樣本不同的 ]則為 ?兩側(cè)檢驗時 H1： μ 1≠ μ 2 ?偏側(cè)檢驗時 H1： μ 1 ＜ μ 2 ? μ 1 ＞ μ 2 ?兩側(cè)檢驗時 H1： σ 1≠ σ 2 ?偏側(cè)檢驗時 H1： σ 1 ＜ σ 2 ? σ 1 ＞ σ 2 137 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗的形態(tài) – 計量型數(shù)據(jù)：使用 Z， Ttest統(tǒng)計量 ?實行平均值檢驗的必須檢驗分散的同質(zhì)性（ Ftest) ?Ftest是比較 2個以上的母體的散布 – 計數(shù)型數(shù)據(jù)：使用 x2(chiSquare)統(tǒng)計量 ?次數(shù)、頻度等 138 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗時樣本大小和特征 – 樣本的大小取多少好呢？ ?如果樣本數(shù)小，很難表示母體的特征，可能導致檢驗結(jié)果的錯誤 ?相麼，樣本數(shù)大的時候，實際操作中時間 /費用方面難以適用 ?因此，樣本數(shù)的大小最好從各方面都考慮後作出恰當?shù)臎Q定 139 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗的實行順序 – 設定原假設、對立假設 (Ho， Hi) – 確定顯著性水平（ α =， ， ） – 選擇檢驗統(tǒng)計量（ Z， T， Chisquare統(tǒng)計量） – 求接受或拒絕域 – 從數(shù)據(jù)上判定顯著性，解釋結(jié)果 ? P(Probability)概率值＜ α 則接受對立假定 (H1) ? P(Probability)概率值＞ α 則接受對立假定 (Ho) – 把統(tǒng)計的解釋結(jié)果用于實際問題 140 假設檢驗（ Hypothesis Test）計量型 ? 假設檢驗結(jié)果的判定方法 拒絕值 接受域 ?原假設 (Ho)：接受 ?對立假立 (H1)：拒絕 接受域 ?原假設 (Ho)：接受 ?對立假立 (H1)：拒絕 (α) 141 假設檢驗（ Hypothesis Test）計量型 – 統(tǒng)計學的判定方法 ?數(shù)據(jù)計算值結(jié)果小于拒絕值時：接受原假設 (Ho) ?數(shù)據(jù)計算值結(jié)果大于拒絕值時：拒絕原假設 (Ho) ?“ 0”值在信賴區(qū)間內(nèi)時：接受原假設 (Ho) ?“ 0”值在信賴區(qū)間外時：拒絕原假設 (Ho) – Minitab的判定方法 ?PValue值大于 α 時：接受原假設 (Ho) ?PValue值小于 α 時：拒絕原假設 (Ho) 142 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗的 Minitab運用 – 洗衣機下部 Transmission Housing有 10CTQ，10個 CTQ是 8個 Fixture Brake的高度 離合器，在這里先查看 8個不同的 Fixture間有無高度尺寸公差，如果 Fixure間有高度公差